Relational and Intrapersonal Factors Driving Women’s Engagement in High-Risk Relationships
Notice bibliographique
Résumé
Objective: This study aimed to explore the relational, intrapersonal, and sociocultural factors that contribute to women’s engagement in and persistence within high-risk intimate relationships. Methods and Materials: A qualitative research design was employed using semi-structured, in-depth interviews with 23 women residing in Mexico who had experienced at least one high-risk romantic relationship characterized by emotional harm, dependency, or coercive dynamics. Participants were recruited through purposive sampling, and data collection continued until theoretical saturation was reached. Interviews were transcribed verbatim and analyzed using thematic analysis supported by NVivo 14 software. Rigor was maintained through member checking, reflexive journaling, and peer debriefing. Findings: Three overarching themes emerged: (1) Emotional Vulnerability and Psychological Needs, including subthemes such as fear of loneliness, low self-worth, emotional dependency, and a need for validation; (2) Interpersonal Dynamics and Power Imbalance, highlighting manipulative control tactics, sexual coercion, and unequal decision-making power; and (3) Sociocultural and Structural Influences, encompassing traditional gender role expectations, economic dependence, stigma, and limited access to mental health support. Participants described enduring harmful relationships due to internalized relational schemas, structural constraints, and cultural narratives that framed endurance as moral strength. Emotional idealization of the partner and hope for redemption were also key drivers for continued engagement in high-risk dynamics. Conclusion: Understanding these multilayered factors is critical for designing culturally responsive, trauma-informed interventions that promote safety, autonomy, and healing. Interventions must address not only individual emotional needs but also systemic barriers to support and empowerment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».